De vraag klinkt nu bijna naïef.
Als AI apps kan genereren, bugs kan oplossen, functies kan schrijven, pull-aanvragen kan beoordelen, onbekende codebases kan uitleggen en urenlang met bestanden kan werken, waarom zou iemand dan nog leren coderen?
Het is een begrijpelijke vraag. De softwarewereld heeft het afgelopen jaar gezien hoe codeeragenten van indrukwekkende demo’s overgingen naar dagelijkse workflows. Ontwikkelaars vragen chatbots niet langer alleen om hulp bij de syntaxis. Ze delegeren taken, vergelijken resultaten, houden toezicht op agenten en worden wakker met code die is geschreven terwijl ze niet achter het toetsenbord zaten.
Tegelijkertijd is coderen niet langer alleen een gesprek met ontwikkelaars. Oprichters gebruiken AI-tools om prototypen van producten te maken voordat ze technische teams inhuren. Productmanagers gebruiken ze om ideeën te testen. Ontwerpers gebruiken ze om interfaces interactief te maken. Operators gebruiken ze om interne workflows te automatiseren. Het vermogen om software te maken verspreidt zich verder dan de mensen die zichzelf traditioneel software-ingenieurs noemden.
De betere vraag is dus misschien niet of mensen nog steeds moeten leren coderen.
Dit is wat ‘leren coderen’ nu betekent.
Het oude antwoord ging vooral over syntaxis, raamwerken en de discipline van het regel voor regel bouwen van software. Dat doet er nog steeds toe. Maar AI verandert het zwaartepunt. De waarde beweegt zich richting oordeel: weten wat je moet bouwen, hoe je het moet beschrijven, welke context het systeem nodig heeft, of de output goed is en waar de risico’s verborgen zitten.
Met andere woorden: de toekomst van coderen kan minder typen met zich meebrengen.
Maar er is meer begrip voor nodig.
Voeg coderen toe aan echt werk
Die transformatie was dit jaar zichtbaar op SXSW tijdens een sessie met Bolt.new en Anthropic. Het gesprek ging niet over de fantasieversie van AI-codering, waarbij een persoon één zin schrijft en er een perfect product verschijnt. Het ging over iets volwasseners: hoe agentische codeertools evolueren van speelse prototypes naar echte bedrijfsworkflows.
Bolt werd een van de duidelijkste voorbeelden van de nieuwe AI-coderingsgolf, omdat het maken van software daardoor onmiddellijk aanvoelde. Een gebruiker kan een app beschrijven en snel iets op het scherm zien werken. Die ervaring heeft ertoe bijgedragen dat de taal van ‘vibe coding’ populair werd, een uitdrukking die zowel de magie als het gevaar van het moment weergeeft.
Maar bij SXSW beschreef Bolt CEO Eric Simons een meer gestructureerd gebruiksscenario. De waarde van Bolt, zei hij, ligt vaak in ‘rapid prototyping’. Het niet vervangen van de productiecodebase. Niet elke medewerker rechtstreeks naar klanten laten verzenden. In plaats daarvan geeft het teams een manier om te onderzoeken hoe een functie eruit moet zien, aanvoelen en zich moet gedragen voordat er technische tijd aan wordt besteed.
Dat onderscheid is belangrijk.
In veel bedrijven is het knelpunt niet alleen het schrijven van code. Het is uitlijning. Productteams, ontwerpers, leidinggevenden en klanten moeten een idee vaak zien en aanraken voordat ze kunnen beslissen of het de moeite waard is om te bouwen. AI-tools maken die verkenning sneller. Maar de serieuzere mogelijkheid is het verbinden van die prototypes met de systemen die een bedrijf al gebruikt.
Simons beschreef een workflow waarin Bolt kan werken met het daadwerkelijke ontwerpsysteem, de UI-componenten en API-vormen van een bedrijf, zodat een prototype niet zomaar een wegwerpmodel is. Zodra de ervaring is vastgelegd, kan een codeeragent zoals Claude Code helpen dat werk te vertalen naar iets dat dichter bij de productieomgeving ligt.
Het belangrijkste onderdeel is de overdracht. Niet-ingenieurs kunnen ideeën vormgeven in een sandbox. Ingenieurs beschermen nog steeds het productiesysteem. Tussen de twee wordt de agent een brug.
Dat is een heel ander verhaal dan “AI vervangt ontwikkelaars.” Het ligt hier dichter bij: AI verandert wie mag deelnemen aan softwarewerk, en het verandert waarvoor ontwikkelaars nodig zijn.
Context wordt de nieuwe vaardigheid
Dit is ook de reden waarom het gesprek verder is gegaan dan snelle engineering.
Een paar jaar geleden concentreerde een groot deel van het advies rond AI-tools zich op aanwijzingen: hoe instructies te formuleren, hoe verzoeken te structureren, hoe betere antwoorden uit het model te lokken. Die vaardigheid heeft nog steeds enige waarde, maar wordt minder centraal naarmate de modellen verbeteren.
Het sterkere patroon is nu context.
De woordvoerder van Anthropic omschreef ‘Skills’ als een manier om agenten nuttige kennis te geven waarop ze een beroep kunnen doen wanneer dat nodig is. In plaats van elke instructie in één perfecte prompt te stoppen, kunnen teams agenten toegang geven tot de juiste documenten, regels, voorbeelden en workflows.
Voor bedrijven begint daar het echte werk. Een nuttig codeermiddel heeft niet alleen een verzoek nodig. Het moet de omgeving rond het verzoek begrijpen: het ontwerpsysteem, de codebasis, de testcultuur, de beveiligingsverwachtingen, de productlogica en de conventies die de software van het ene bedrijf anders maken dan die van een ander.
Iemand moet weten welke context ertoe doet.
Iemand moet weten of de agent de juiste component gebruikt, de juiste beperking respecteert, of een beslissing neemt die later voor problemen zal zorgen.
De persoon die het systeem begrijpt, wordt waardevoller, niet minder.
Het codeerinterview is al aan het veranderen
Dezelfde evolutie begint zich af te tekenen bij het aannemen van personeel. Een van de meest interessante onderdelen van de SXSW-sessie ging niet over tools, maar over talent.
Simons zei dat “enkele van de meest fantastische mensen” die Bolt de afgelopen zes maanden had aangenomen, niet slaagden voor het oude technische sollicitatiegesprek, of pas zouden slagen nadat het bedrijf zijn proces had gewijzigd. Wat hen uitzonderlijk maakte, zei hij, was dat ze “agentische tools gebruikten om de klus te klaren.”
Dat betekent niet dat het technische interview dood is. Het betekent dat het signaal verandert.
Bolt vraagt kandidaten nu welke AI-tools ze gebruiken en hoe ze deze gebruiken. Het gaat er niet om of iemand populaire producten kan noemen. Het gaat erom of ze deze daadwerkelijk diep genoeg hebben onderzocht om iets betekenisvols op te bouwen.
Zoals Simons het verwoordde: “Laat ons zien wat je hebt gebouwd, laat ons zien hoe het werkt. Als het echt is, dan kan deze persoon het werk doen.”
Dat voelt veel dichter bij de realiteit van het werk van nu. Als AI-tools deel uitmaken van de functie, geeft het beoordelen van kandidaten alsof die tools niet bestaan een onvolledig beeld. Maar het tegendeel is ook waar. Als iemand AI gebruikt zonder te begrijpen wat het oplevert, is dat geen vloeiendheid. Het is afhankelijkheid.
Anthropic’s kant van het gesprek hield die spanning intact. Het bedrijf gebruikt nog steeds ten minste één interview waarbij kandidaten zonder AI-hulp werken en Python lezen en schrijven. Maar het doel is niet om obscure syntaxistrucs te testen. Het is om te zien of iemand patronen kan begrijpen, een agent kan debuggen en door een systeem kan redeneren.
Dat kan de nieuwe balans zijn: vloeiend omgaan met agenten, plus voldoende technische diepgang om te weten wanneer ze ongelijk hebben.
Moeten mensen nog steeds leren coderen?
Ja. Maar niet omdat iedereen een traditionele software-ingenieur moet worden.
Ze moeten leren omdat software steeds meer het oppervlak is waarlangs werk wordt gedaan. Zelfs als AI de eerste versie schrijft, moeten mensen nog steeds begrijpen wat er wordt gemaakt. Ze moeten weten wanneer iets kwetsbaar is, wanneer het veilig is, wanneer het schaalbaar is en wanneer het er alleen in een demo indrukwekkend uitziet.
Simons maakte het punt direct. “Het schrijven van software is nu misschien een kleiner probleem”, hij zei. “Maar hoe zit het met het beoordelen? Hoe schalen we dit?”
Dat is misschien wel de meest eerlijke versie van het antwoord.
Hoe gemakkelijker het wordt om code te genereren, hoe belangrijker het wordt om te weten of die code zou moeten bestaan, of deze werkt en of deze te vertrouwen is.
Dit is de reden waarom codeervaardigheden niet verdwijnen. Het verandert van vorm. Het gaat minder om het onthouden van syntaxis en meer om het begrijpen van systemen. Minder over het produceren van elke lijn en meer over het regisseren, beoordelen, testen en verbeteren van wat agenten produceren.
Het jaar waarin agentische codering volwassen begint te worden
De sector beweegt zich al in die richting.
In juni AWS heeft de Codex-codeeragent van OpenAI toegevoegd aan Amazon Bedrock, waardoor deze algemeen beschikbaar wordt voor zakelijke klanten via de AWS-infrastructuur en een pay-per-token-model. Het is een klein maar veelzeggend signaal: agentische codering wordt onderdeel van de cloudplatforms en inkoopkanalen waar grote bedrijven daadwerkelijk software adopteren.
Anthropic is Claude Code blijven pushen naar grotere en complexere workflows. OpenAI heeft Codex niet alleen gepositioneerd als een codeerinstrument, maar ook als een breder middel voor kenniswerk. De richting is duidelijk: agenten verschuiven van nevenexperimenten naar de dagelijkse structuur van hoe werk wordt gedaan.
Maar het interessantere verhaal is niet dat de tools beter worden. Het is dat bedrijven om hen heen beginnen te ontwerpen.
Dat betekent nieuwe workflows, nieuwe prijsmodellen, nieuwe wervingssignalen, nieuwe managementgewoonten en nieuwe verwachtingen voor werknemers. Het betekent ook een nieuwe kloof: niet tussen mensen die kunnen coderen en mensen die dat niet kunnen, maar tussen mensen die effectief kunnen werken met intelligente systemen en mensen die nog steeds wachten tot het stof is neergedaald.
Bij SXSW legden Bolt en Anthropic dat overgangsmoment vast. De eerste golf van AI-codering was euforisch, rommelig en experimenteel. De volgende golf is meer operationeel. Het gaat over machtigingen, context, ontwerpsystemen, testen, beoordelen en veilige overdracht naar productie.
Zoals Simons aan het eind van de sessie zei, beginnen bedrijven deze tools te gebruiken “op echte manieren, niet alleen als verkennende speelgoedmanieren.”
“Dit is het jaar van volwassen worden”, zei hij.
Dat is minder opzichtig dan de belofte van instantsoftware. Maar het is veel belangrijker.
De toekomst van coderen is niet simpelweg dat machines er meer van zullen schrijven. Dat zullen ze. De toekomst is dat meer mensen zullen kunnen deelnemen aan het vormgeven van software, terwijl de mensen die software diepgaand begrijpen verantwoordelijk zullen zijn om ervoor te zorgen dat het werkt.
Dus ja, je moet nog steeds leren coderen.
Niet omdat de wereld iedereen nodig heeft om elke regel met de hand te typen. Maar omdat de wereld wordt herbouwd door middel van software, en de mensen die begrijpen hoe de wereld werkt, zullen ze beter toegerust zijn om de agenten te begeleiden die de wereld opnieuw opbouwen.
